A Marcio.AI cobre o AI Brasil Experience, 28 e 29 de outubro, no Distrito Anhembi, em São Paulo.

CoberturaIngressos

Meta lança o Muse Ember, que empata com o Claude Haiku 5.5 por um terço do custo por tarefa

Capa do Watcher com o título Muse Ember empata com o Haiku por um terço do custo
Watcher, a curadoria diária de notícias de tecnologia da Marcio.AI.

A Meta lançou na segunda, 9 de novembro, o Muse Ember, o menor e mais eficiente modelo do Meta Superintelligence Labs. Ele foi feito para o trabalho repetitivo de agentes, como chamar ferramentas, rotear pedidos, extrair dados e ler documentos longos. Custa US$ 0,10 por milhão de tokens de entrada e US$ 0,50 por milhão de saída. Na avaliação da Artificial Analysis publicada no mesmo dia, marcou 36 pontos no Intelligence Index, empatado com o Claude Haiku 5.5, da Anthropic. O custo médio por tarefa do índice foi de US$ 0,14, contra US$ 0,41 do Haiku 5.5. O modelo está na API da Meta, no Muse Code, no Google Cloud, na Oracle Cloud e no OpenRouter. A Meta não anunciou pesos abertos.

Em resumo

  • Preço: US$ 0,10 por milhão de tokens de entrada, US$ 0,004 em cache e US$ 0,50 de saída, para prompts de até 200 mil tokens. Acima disso, os três preços triplicam.
  • Formato: contexto de 1 milhão de tokens, saída de até 512 mil e entrada de texto, imagem, áudio e vídeo no mesmo modelo.
  • Índice: 36 pontos no Intelligence Index da Artificial Analysis, igual ao Claude Haiku 5.5 e 8 pontos acima dos 28 do GPT-6 Luna, da OpenAI.
  • Custo: US$ 0,14 por tarefa do índice, cerca de um terço do Haiku 5.5 e 17 vezes menos que os US$ 2,39 do Muse Spark 1.3, que faz 37 pontos.
  • Ponto fraco: acerta 21,1% das perguntas de conhecimento do AA-Omniscience e se recusa a responder cerca de 64% delas.

O que a Meta lançou?

O modelo atende pelo nome muse-ember-1.0 e aceita a Responses API. A Meta diz que ele foi desenhado para tarefas de agente que se repetem em volume: chamadas de ferramentas, subtarefas de programação, roteamento, extração e leitura de documentos longos. Ele entende texto, imagem, áudio e vídeo sem um modelo separado. Pode ler capturas de tela, gráficos e documentos escaneados e operar um computador a partir de capturas de tela, segundo o blog da Meta.

A Meta organiza a família Muse em três degraus. O Muse Wonder fica com os problemas mais difíceis, o Muse Spark com programação e fluxos de agentes, e o Ember com as tarefas repetíveis em escala. O TechCrunch resume a proposta com a frase da própria Meta: “o Muse Wonder planeja, o Muse Ember cuida do volume”. No exemplo da empresa, o modelo maior define como tratar um problema de atendimento, e o Ember aplica a regra em dezenas de milhares de casos.

Segundo a Meta, o Ember é o primeiro modelo treinado com o Muse Wonder Full. A empresa não detalha o método. O modelo passou pelo Meta Superintelligence Scaling Framework e ficou abaixo dos limites de alto risco em química e biologia, cibersegurança e perda de controle. Os testes de comportamento de agente incluíram resistir a instruções escondidas em páginas, documentos e respostas de ferramentas e pedir confirmação humana antes de ações de alto impacto.

Quanto custa e de onde vem a vantagem?

Até 200 mil tokens de prompt, o Ember cobra US$ 0,10 por milhão de tokens de entrada, US$ 0,004 por milhão em cache e US$ 0,50 por milhão de saída. Acima disso, os valores sobem para US$ 0,30, US$ 0,012 e US$ 1,50. O OpenRouter lista os mesmos preços, com a Meta e o Google Vertex como provedores.

As fontes divergem sobre o preço por token. O TechCrunch descreve o Ember como bem mais barato que o Haiku e o Luna. A Artificial Analysis diz que os preços de entrada e saída são iguais aos do Claude Haiku 5.5 e do GPT-6 Luna, e que a diferença está em dois pontos. O cache custa 60% menos, e a entrada em cache responde pela maior parte do custo dos testes de agente. O Ember também gastou cerca de um terço dos tokens de saída do Haiku 5.5. Seguimos a Artificial Analysis, que mediu o custo de cada tarefa.

No mesmo índice, o DeepSeek V4.1 Flash 1017 fez 33 pontos a US$ 0,60 por tarefa, e o GLM-5.3-Flash fez 28 a US$ 0,58. O Muse Wonder chegou a 44 pontos, a US$ 6,95 por tarefa, cerca de 50 vezes o custo do Ember. Pelo gráfico da Meta, o Ember fica entre US$ 0,116 e US$ 0,136 por tarefa, conforme o nível de raciocínio. O Haiku 5.5 vai de US$ 0,092, com 24,6 pontos, a US$ 0,411, com 36,2. A Meta avisa que os custos do Ember são estimativas com o preço proposto.

Onde o Ember ganha e onde perde?

Na tabela da Meta, o Ember lidera o AutomationBench-AA, de fluxos de negócio, com 37,8 contra 13,9 do Haiku 5.5 e 20,2 do Luna. No Terminal-Bench 4.0, faz 40,9 contra 39,2 e 16,4. No OSWorld 2.1 com nota binária, que mede uso do computador, faz 33,8 contra 27,8 e 17,0. Perde no FrontierCode 2.0-AA, com 27,2 contra 34,9 do Haiku. No índice de agentes de programação, o Ember no Muse Code fez 46, o Haiku no Claude Code 37 e o Luna no Codex 31, com produtos e configurações diferentes.

Os números de dois testes mudam conforme a fonte. No Terminal-Bench 4.0, a Meta dá 39,2 ao Haiku 5.5 rodando no Claude Code, e a Artificial Analysis registra 32,8. No AutomationBench, a Meta mostra 37,8 para o Ember com critério estrito de acerto na primeira tentativa, e a Artificial Analysis registra 68,1%, no nível do Muse Wonder e do GPT-6 Astra. As duas medições usam métodos diferentes, e cada número aqui vai atribuído à sua fonte.

A fraqueza aparece no conhecimento. No AA-Omniscience, o Ember acertou 21,1% das perguntas, o pior resultado entre modelos de inteligência parecida. O Haiku 5.5 fez 34,7%. O Ember se recusou a responder cerca de 64% das perguntas, e a taxa de alucinação ficou em 17,4%, perto da metade da do Haiku 5.5, segundo a Artificial Analysis. No AA-Briefcase, ficou com 1.521 pontos Elo, abaixo dos 1.574 do Haiku.

Parceiros que testaram antes deram números próprios. A Cloudflare viu respostas até 30% mais rápidas no pior caso de latência, segundo o CTO Dane Knecht. A You.com mediu latência de 2,2 segundos no percentil 95 e de 36% a 48% menos tokens de saída. A Box, a Cline e a Oracle também elogiaram o modelo no comunicado da Meta.

Como chegamos até aqui?

O Ember é o quarto modelo da família Muse. O Spark saiu em abril de 2026, o Glimmer, versão aberta do Spark, em agosto, e o Wonder em outubro, segundo o TechCrunch. Em outubro, a Meta também abriu os pesos do Muse Spark Open, de 816 bilhões de parâmetros. A Marcio.AI registrou o Wonder e o Spark Open. A corrida por modelos baratos para agentes já tinha trazido, em outubro, o MiniMax M3.1 Flash, a US$ 0,15 por milhão de tokens de entrada, e a atualização do DeepSeek V4.1 Flash, que cortou o custo por tarefa.

O que isso muda para empresas no Brasil?

Quem roda agentes paga por tarefa concluída. O caso do Ember mostra que o preço de tabela por token diz pouco. O custo real depende do cache e de quantos tokens o modelo gasta para fechar o trabalho. Na comparação de modelos para agentes, a conta útil é o custo por tarefa no seu próprio fluxo.

O desenho de um modelo grande que define a regra e um modelo pequeno que executa vale para atendimento, triagem de contratos e extração de documentos. Empresas brasileiras que já têm contrato com Google Cloud ou Oracle Cloud podem testar o Ember por esses canais. O ponto fraco em conhecimento pede cuidado. O Ember rende mais quando trabalha sobre documentos fornecidos pela empresa. Perguntas de conhecimento geral pedem outro modelo.

O que observar nas próximas semanas

A tese da Marcio.AI: a disputa dos modelos pequenos para agentes passou do preço por token para o custo por tarefa, e o cache virou a arma principal. Sinais para conferir até o fim de dezembro: se Anthropic e OpenAI mexem no preço de cache do Haiku 5.5 e do GPT-6 Luna, se aparecem testes independentes do Ember em cargas de clientes, se a Meta abre os pesos de uma versão do Ember, como fez com o Glimmer, e quando chegam os “modelos ainda mais eficientes” que a Meta diz ter em treinamento.

Fontes

Rating Marcio.AI: 4/5 (Global, Muito relevante, No centro do hype). Seção DeepTech do Watcher.

#MarcioAI #Meta #MuseEmber #AgentesDeIA #ModelosDeIA #CustoDeIA

Como este texto foi produzido

Este texto é assinado pelo Marcio.AI, o Gêmeo Digital do portal, que produz a partir de fontes públicas, dentro do recorte editorial definido por Marcio Sampaio N. SANTANA. Ele faz parte do Watcher, a curadoria diária de notícias de tecnologia da Marcio.AI. As fontes estão listadas acima, com veículo e data. A política editorial explica o processo inteiro e como pedir correção de qualquer informação.


Leia também: Meta lança o Muse Wonder, e a versão Full fica atrás só do Claude Opus 5.5 e MiniMax lança o M3.1 Flash para agentes a US$ 0,15 por milhão de tokens de entrada.

Deixe um comentário

Rolar para cima